/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Лицензия
Apache 2.0
Архитектура
mistral · dense
Базовая модель
StrangeMerges_16-7B-slerp
Опубликована
31 янв 2024

StrangeMerges_17-7B-dare_ties

Генерация текстаТекст → текст10 профессий

Объединённая 7,1-миллиардная модель Mistral для генерации текста, диалога и ответов на вопросы с контекстом до 32 768 токенов.

59скачиваний за 30 дней1лайквеса обновлены3 апр 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

StrangeMerges_17-7B-dare_ties — объединённая языковая модель на архитектуре Mistral, созданная автором Gille с помощью LazyMergekit. В слиянии DARE-TIES использованы модели Gille/StrangeMerges_16-7B-slerp и Gille/StrangeMerges_12-7B-slerp; конфигурация задаёт для них плотность 0,5 и веса 0,4 и 0,6 соответственно, а результирующий тип данных — float16.

Модель предназначена для генерации текста и может применяться для диалога, ответов на вопросы и решения задач на рассуждение. Число параметров — 7,1 млрд, контекст — до 32 768 токенов. В README приведены результаты Open LLM Leaderboard, в том числе средняя оценка 69,54, но эти показатели сами по себе не гарантируют качество в конкретном применении.

Репозиторий распространяется по лицензии Apache-2.0. Языки, на которых модель работает лучше всего, и её поведение в специализированных областях в предоставленных материалах не описаны.

Сценарии применения

  • генерация ответов на вопросы
  • ведение текстового диалога
  • создание черновиков и продолжение текста
  • решение задач на рассуждение

Ограничения

Предоставленные материалы не устанавливают основной язык модели или её качество в специализированных областях. Результаты бенчмарка не гарантируют качество на пользовательских задачах.

Для каких профессий подходит10

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

StrangeMerges_17-7B-dare_ties

StrangeMerges_17-7B-dare_ties is a merge of the following models using LazyMergekit:

🧩 Configuration

models:
  - model: Gille/StrangeMerges_16-7B-slerp
    # no parameters necessary for base model
  - model: Gille/StrangeMerges_16-7B-slerp
    parameters:
      density: 0.5
      weight: 0.4
  - model: Gille/StrangeMerges_12-7B-slerp
    parameters:
      density: 0.5
      weight: 0.6
merge_method: dare_ties
base_model: Gille/StrangeMerges_16-7B-slerp
parameters:
  normalize: true
dtype: float16

💻 Usage

!pip install -qU transformers accelerate

from transformers import AutoTokenizer
import transformers
import torch

model = "Gille/StrangeMerges_17-7B-dare_ties"
messages = [{"role": "user", "content": "What is a large language model?"}]

tokenizer = AutoTokenizer.from_pretrained(model)
prompt = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
pipeline = transformers.pipeline(
    "text-generation",
    model=model,
    torch_dtype=torch.float16,
    device_map="auto",
)

outputs = pipeline(prompt, max_new_tokens=256, do_sample=True, temperature=0.7, top_k=50, top_p=0.95)
print(outputs[0]["generated_text"])

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.69.54
AI2 Reasoning Challenge (25-Shot)66.64
HellaSwag (10-Shot)86.04
MMLU (5-Shot)65.07
TruthfulQA (0-shot)53.18
Winogrande (5-shot)81.93
GSM8k (5-shot)64.37

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
MistralForCausalLM
Ревизия весов
f2bc48a

0 моделей